用途：这是一套数据工程方法论，面向运行、维护和演进数据基础设施，涵盖关系型、向量、图、时序数据库的运维，以及数据转换管道。资料同时给出职责边界：本技能负责数据库运维、转换管道、分析型 SQL、图与时序数据库操作、数据质量监控、存储基础设施；不负责数据建模与模式设计（数据架构师）、统计分析与实验（数据科学家）、训练基础设施与模型部署（ML 工程师）、应用层数据访问（开发者）、基础设施供给（平台工程师）、可视化仪表盘设计（分析师）。
主要能力与参考文件：分析型 SQL（窗口函数、CTE、执行计划、星型模式查询，以及 PostgreSQL、DuckDB、ClickHouse、BigQuery、Snowflake 的引擎优化）；dbt 模式（项目结构、分层建模、物化、测试、快照、Jinja 宏、CI/CD、dbt Mesh）；ETL 管道设计（全量、增量、CDC 抽取，转换层、校验门、错误处理、幂等性）；数据质量（质量维度、校验规则、异常检测、去重、管道健康信号）；图数据库（Neo4j 建模、Cypher 遍历/聚合/寻路、导入、图算法）；时序数据库（InfluxDB 数据模型、基数设计、降采样、保留策略、Telegraf，并与 TimescaleDB/QuestDB/Prometheus 对比）；向量数据库（Milvus、Qdrant、Chroma 的索引类型、集合生命周期、维度迁移、备份）；数据库迁移（零停机模式、回滚、版本化模式、测试先行）；备份与恢复（按存储类型的策略、RPO/RTO、WAL 归档、快照、恢复模板）；AI 转换边界（验收、重试、成本与发布边界）。
使用方式：当模型提出数据转换时，加载 AI 边界工作流并使用配套记录；按任务类型加载对应 references 文件。相关技能：postgres 负责 PostgreSQL 引擎级运行手册，supabase 负责 Supabase 平台操作。
核心原则：无完整性的数据即噪声，在每个边界校验；为可运维性设计，上线前定义监控、备份与恢复；幂等性是硬性要求；模式变更即代码变更，需评审、测试与回滚计划；依据访问模式、保留要求、增长率和一致性保证选择存储架构。
限制：资料未提供具体安装命令、价格、平台支持范围或效果数据，暂未提供。